Graph Convolutional Network (GCN)资料汇总
基本原理：
关于GCN的基本原理及公式推导，强烈推荐知乎上的这个回答：
从CNN到GCN的联系与区别——GCN从入门到精（fang）通（qi）
主要内容：CNN，拉普拉斯矩阵，Graph上的傅里叶变换及卷积，Graph Convolution
第一代GCN
第二代GCN
第三代GCN
文章【Wavelets on graphs via spectral graph theory】提出利用切比雪夫多项式来进行近似，降低前向传播高复杂度的问题。
接着，文章【Semi-supervised Classification with Graph Convolutional Networks】在切比雪夫多项式近似的基础上进一步简化，提出一阶近似，通过叠加多层GCN来达到经典卷积层的功能。（该文中的GCN形式，其实是二阶Chebyshev多项式推导出的特例）
参考博客：【GCN】论文笔记：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS